एआई वॉटरमार्क के प्रकार: एक संपूर्ण वर्गीकरण

टाइप 1 - शून्य-चौड़ाई वाले यूनिकोड वर्ण

वर्तमान AI वेब अनुप्रयोगों में सबसे प्रचलित प्रकार। ये यूनिकोड कोड बिंदु हैं जिनमें कोई दृश्यमान ग्लिफ़ और शून्य अग्रिम चौड़ाई नहीं है: कर्सर बिल्कुल शून्य पिक्सेल से दाईं ओर चलता है। वे बिना किसी विज़ुअल ट्रेस के ब्राउज़र से दस्तावेज़ में कॉपी-पेस्ट करते रहते हैं। सामान्य उदाहरणों में शामिल हैं:

U+200B - शून्य-चौड़ाई वाला स्थान

सबसे आम एआई वॉटरमार्क चरित्र। शब्दों या अक्षरों के बीच डाला गया।

U+200C - शून्य-चौड़ाई वाला नॉन-जॉइनर

संयुक्ताक्षरों को दबाने के लिए अरबी/फ़ारसी पाठ में वैध। लैटिन-लिपि दस्तावेज़ों में विसंगति।

U+200D - शून्य-चौड़ाई वाला जॉइनर

इमोजी अनुक्रमों में उपयोग किया जाता है. इमोजी के बिना सादे पाठ में प्रस्तुत यह हमेशा एक कलाकृति है।

यू+2060 - वर्ड जॉइनर

कार्यात्मक रूप से शून्य-चौड़ाई वाले नो-ब्रेक स्पेस के बराबर। कभी-कभी नए मॉडलों में इसे U+200B के स्थान पर प्रतिस्थापित कर दिया जाता है।

U+FEFF - बाइट-ऑर्डर चिह्न

यूटीएफ-8 बीओएम. किसी फ़ाइल की शुरुआत में ही वैध; मध्य-पाठ प्लेसमेंट हमेशा एक सम्मिलन कलाकृति होती है।

प्रकार 2 - विराम चिह्न प्रतिस्थापन

एआई मॉडल को टाइपोग्राफ़िक रूप से समृद्ध कॉर्पोरा पर प्रशिक्षित किया जाता है और उनके ASCII समकक्षों के बजाय घुंघराले ('स्मार्ट') उद्धरण चिह्नों और ईएम डैश पर डिफ़ॉल्ट होता है। हालांकि ये वैध यूनिकोड हैं और कोई एन्कोडिंग त्रुटियां नहीं करते हैं, वे कोड, एपीआई, डेटाबेस और सीएमएस फ़ील्ड में जगह से बाहर हैं जो सीधे ASCII विराम चिह्न की अपेक्षा करते हैं। क्लाउड विशेष रूप से एम-डैश प्रतिस्थापन से जुड़ा हुआ है।

यू+2013 एन डैश / यू+2014 एम डैश

सरल ASCII हाइफ़न के स्थान पर उपयोग किया जाता है। डिटेक्टर प्रशिक्षण सेट में क्लाउड और जीपीटी-4 लेखकत्व का एक विश्वसनीय भविष्यवक्ता।

U+00AD - सॉफ्ट हाइफ़न

सामान्य रेंडरिंग में अदृश्य, लाइन ब्रेक पर दिखाई देता है। स्थितिगत मार्कर के रूप में उपयोग किया जाता है, वास्तविक हाइफ़न के रूप में नहीं।

U+2018–U+201D — घुंघराले उद्धरण

टाइपोग्राफ़िक रूप से सही लेकिन SQL क्वेरीज़, JSON स्ट्रिंग्स और कई CLI टूल को तोड़ता है जो सीधे उद्धरण की अपेक्षा करते हैं।

टाइप 3 - न टूटने वाला और विशेष स्थान

U+0020 के बाहर कई स्पेस कैरेक्टर AI टेक्स्ट में दिखाई देते हैं। नॉन-ब्रेकिंग स्पेस (U+00A0) लाइन ब्रेक को रोकते हैं और रिस्पॉन्सिव HTML में लेआउट संबंधी समस्याएं पैदा करते हैं। फ़्रेंच-लोकेल मॉडल में कुछ विराम चिह्नों के आसपास संकीर्ण नो-ब्रेक स्पेस (U+202F) दिखाई देते हैं। वैचारिक रिक्त स्थान (U+3000) पश्चिमी पाठ के साथ मिश्रित CJK मॉडल आउटपुट में दिखाई देते हैं। सभी शब्दार्थ की दृष्टि से हानिरहित हैं लेकिन संरचित संदर्भों में विघटनकारी हैं।

टाइप 4 - HTML और डेटा-विशेषता फ़िंगरप्रिंट

जब आप ChatGPT के वेब इंटरफ़ेस से निर्यात या कॉपी करते हैं, तो क्लिपबोर्ड पेलोड में मालिकाना डेटा विशेषताओं के साथ HTML टैग शामिल होते हैं: डेटा-मैसेज-आईडी, डेटा-स्टार्ट, डेटा-एंड और डेटा-स्क्रॉल-आईडी। ये विशेषताएँ विशिष्ट रूप से बातचीत और उसके भीतर प्रत्येक टोकन की स्थिति की पहचान करती हैं। HTML इनपुट स्वीकार करने वाले रिच-टेक्स्ट संपादक या सीएमएस में चिपकाने से ये फिंगरप्रिंट चुपचाप आपके दस्तावेज़ के स्रोत कोड में एम्बेड हो जाएंगे।

प्रकार 5 - सांख्यिकीय टोकन-संभावना वॉटरमार्क

मॉडल स्तर पर कार्यान्वित, सांख्यिकीय वॉटरमार्क प्रत्येक पीढ़ी के चरण में मॉडल की शब्दावली को 'हरी सूची' और 'लाल सूची' में विभाजित करके काम करते हैं। मॉडल के लॉगिट्स को ग्रीन-लिस्ट टोकन के पक्ष में स्थानांतरित कर दिया गया है। पूर्वाग्रह इतना छोटा है कि आउटपुट गुणवत्ता अप्रभावित रहती है, लेकिन पूरे दस्तावेज़ में हरे-टोकन अधिशेष को उच्च आत्मविश्वास के साथ सांख्यिकीय रूप से पता लगाया जा सकता है। टेक्स्ट के लिए Google SynthID इस दृष्टिकोण का उपयोग करता है। कोई भी कैरेक्टर स्कैनर इन वॉटरमार्क का पता नहीं लगा सकता या हटा नहीं सकता।

टाइप 6 - सिमेंटिक और पैराफ्रेज़-प्रतिरोधी वॉटरमार्क

अनुसंधान प्रोटोटाइप समानार्थक शब्द या वाक्य पुनर्गठन के बीच चयन करके वॉटरमार्क एम्बेड करते हैं जो अर्थ को संरक्षित करते हैं लेकिन एक छिपा हुआ हिस्सा रखते हैं। चूँकि वॉटरमार्क सतही रूप के बजाय शब्दार्थ में है, इसलिए यह व्याख्या में बना रहता है। ये वॉटरमार्क अभी तक उपभोक्ता एआई उत्पादों में तैनात नहीं किए गए हैं, लेकिन ईयू एआई अधिनियम के उद्गम-पारदर्शिता प्रावधानों के तहत सक्रिय मानकीकरण प्रयासों का विषय हैं।